CUDA | |
---|---|
Sorts | GPGPU |
Utvecklaren | NVIDIA Corporation |
Operativ system | Windows , Linux |
Första upplagan | 23 juni 2007 |
Hårdvaruplattform | GPU:er som stöds |
senaste versionen | 11.6 (17 januari 2022 ) |
Licens | Gratisprogram |
Hemsida | developer.nvidia.com/cud... |
Mediafiler på Wikimedia Commons |
CUDA (ursprungligen förkortning från engelska Compute unified device architecture ) är en parallell datorhård- och mjukvaruarkitektur som gör att du avsevärt kan öka datorprestanda genom att använda Nvidia - grafikprocessorer .
CUDA SDK tillåter programmerare att implementera algoritmer i speciella förenklade dialekter av programmeringsspråken C , C++ och Fortran som kan implementeras på Nvidia-grafik och tensorprocessorer [1] . CUDA-arkitekturen ger utvecklaren möjlighet att organisera åtkomst till instruktionsuppsättningen för en grafik- eller tensoraccelerator och hantera dess minne efter eget gottfinnande. Funktioner som accelereras med CUDA kan anropas från olika språk, inklusive Python [2] , MATLAB [3] , etc.
Den första versionen av CUDA SDK släpptes den 15 februari 2007 . Programmeringsgränssnittet för CUDA - applikationer är baserat på C- språket med vissa tillägg. För att framgångsrikt översätta kod till detta språk inkluderar CUDA SDK Nvidias egen kommandorad C-kompilator nvcc . nvcc- kompilatorn är baserad på Open64 open-kompilatorn och är utformad för att översätta värdkoden (huvud-, kontrollkod) och enhetskoden (hårdvarukod) (filer med .cu- tillägget ) till objektfiler som är lämpliga för att bygga det slutliga programmet eller biblioteket i alla programmeringsmiljöer som NetBeans .
CUDA-arkitekturen använder grid- minnesmodellen , klustrad trådmodellering och SIMD- instruktioner. Gäller inte bara för högpresterande grafikdatorer utan också för olika vetenskapliga datorer med nVidia-grafikkort. Forskare och forskare använder CUDA i stor utsträckning inom olika områden, inklusive astrofysik , beräkningsbiologi och kemi , vätskedynamikmodellering , elektromagnetiska interaktioner , datortomografi , seismisk analys och mer. CUDA har möjlighet att ansluta till applikationer som använder OpenGL och Direct3D . CUDA är plattformsoberoende programvara för operativsystem som Linux , Mac OS X och Windows .
Den 22 mars 2010 släppte nVidia CUDA Toolkit 3.0, som innehöll stöd för OpenCL [4] .
CUDA-plattformen dök upp på marknaden för första gången i och med lanseringen av NVIDIAs åttonde generationens G80-chip och blev närvarande i alla efterföljande serier av grafikkretsar som används i acceleratorfamiljerna GeForce , Quadro och NVidia Tesla .
Den första serien av hårdvara för att stödja CUDA SDK, G8x, hade en 32-bitars enkelprecisionsvektorprocessor som använde CUDA SDK som ett API (CUDA stöder språktypen C, men nu är dess precision nedgraderad till 32-bitars flytande punkt ). Senare GT200-processorer har stöd för 64-bitars precision (endast SFU), men prestandan är betydligt sämre än för 32-bitars precision (på grund av endast två SFU:er per ström multiprocessor, och åtta skalära processorer). GPU:n organiserar hårdvaru-multithreading, vilket gör att du kan använda alla resurser i GPU:n. Således öppnar möjligheten för att flytta funktionerna hos en fysisk accelerator till en grafikaccelerator (implementeringsexempel - PhysX ). Det öppnar också för stora möjligheter att använda datorgrafikutrustning för att utföra komplexa icke-grafiska beräkningar: till exempel inom beräkningsbiologi och andra vetenskapsgrenar. double
Jämfört med det traditionella tillvägagångssättet för att organisera generell datoranvändning genom funktionerna hos grafiska API:er, har CUDA-arkitekturen följande fördelar inom detta område:
Listan över enheter från hårdvarutillverkaren Nvidia med deklarerat fullt stöd för CUDA-teknik finns på den officiella Nvidias webbplats [7] [8] .
Kompatibilitet för CUDA-utvecklarsystem med generationer av miniräknare:
Följande kringutrustning stöder för närvarande CUDA-teknik på PC-hårdvarumarknaden:
Version
specifikationer |
Arkitektur | GPU | Grafikkort från GeForce-familjen | Videokort från Quadro-familjen, NVS | Tesla grafikkort | Familjens grafikkort
Tegra, |
---|---|---|---|---|---|---|
1.0 | Tesla | G80 | GeForce 8800 Ultra, GeForce 8800 GTX, GeForce 8800 GTS(G80) | Quadro FX 5600, Quadro FX 4600, Quadro Plex 2100 S4 | Tesla C870, Tesla D870, Tesla S870 | |
1.1 | G92, G94, G96, G98, G84, G86 | GeForce GTS 250, GeForce 9800 GX2, GeForce 9800 GTX, GeForce 9800 GT, GeForce 8800 GTS(G92), GeForce 8800 GT, GeForce 9600 GT, GeForce 9500 GT, GeForce 00 GT 8, GeForce 0 GT 9, GeForce 0 GT 9, GeForce 0 0 , GeForce G110M, GeForce 9300M GS, GeForce 9200M GS, GeForce 9100M G, GeForce 8400M GT, GeForce G105M |
Quadro FX 4700 X2, Quadro FX 3700, Quadro FX 1800, Quadro FX 1700, Quadro FX 580, Quadro FX 570, Quadro FX 470, Quadro FX 380, Quadro FX 370, Quadro FX 4 NVS 4 Quadro 0 Profil, Quadro FX 4 NVS 370 Quadro FX 3700M, Quadro FX 3600M, Quadro FX 2800M , Quadro FX 2700M, Quadro FX 1700M, Quadro FX 1600M, Quadro FX 770M, Quadro FX 570 Quadro FX 370M, NVM 3 Quadro 0M, NVM 3 Quadro 0M, NVM 3 Quadro 0M, NVM , Quadro NVS 140M, Quadro NVS 135M, Quadro NVS 130M, Quadro NVS 450, Quadro NVS 420, Quadro NVS 295 |
|||
1.2 | GT218, GT216, GT215 | GeForce GT 340*, GeForce GT 330*, GeForce GT 320*, GeForce 315*, GeForce 310*, GeForce GT 240, GeForce GT 220, GeForce 210, GeForce GTS 360M, GeForce GTS 3, GeForce 3, GeForce 3, GTM 3, GeForce 3, GTM GeForce GT 325M, GeForce GT 240M, GeForce G210M, GeForce 310M, GeForce 305M |
Quadro FX 380 Low Profile, Nvidia NVS 300, Quadro FX 1800M, Quadro FX 880M, Quadro FX 380M, Nvidia NVS 300, NVS 5100M, NVS 3100M, NVS 2100M, ION | |||
1.3 | GT200, GT200b | GeForce GTX 295, GTX 285, GTX 280, GeForce GTX 275, GeForce GTX 260 | Quadro FX 5800, Quadro FX 4800, Quadro FX 4800 för Mac, Quadro FX 3800, Quadro CX, Quadro Plex 2200 D2 | Tesla C1060, Tesla S1070, Tesla M1060 | ||
2.0 | Fermi | GF100, GF110 | GeForce GTX 590, GeForce GTX 580, GeForce GTX 570, GeForce GTX 480, GeForce GTX 470, GeForce GTX 465, GeForce GTX 480M | Quadro 6000, Quadro 5000, Quadro 4000, Quadro 4000 för Mac, Quadro Plex 7000, Quadro 5010M, Quadro 5000M | Tesla C2075, Tesla C2050/C2070, Tesla M2050/M2070/M2075/M2090 | |
2.1 | GF104, GF106 GF108, GF114, GF116, GF117, GF119 | GeForce GTX 560 Ti, GeForce GTX 550 Ti, GeForce GTX 460, GeForce GTS 450, GeForce GTS 450*, GeForce GT 640 (GDDR3), GeForce GT 630, GeForce GT 620, GeForce GT 4, GeForce 610, 5 GT0, GeForce 4, 5 GeForce GT 440*, GeForce GT 430, GeForce GT 430*, GeForce GT 420*, GeForce GTX 675M, GeForce GTX 670M, GeForce GT 635M, GeForce GT 630M, GeForce GT 625M, GeForce 625M, GeForce 0, GeForce 0, GeForce 0 GeForce 610M, GeForce 820M, GeForce GTX 580M, GeForce GTX 570M, GeForce GTX 560M, GeForce GT 555M, GeForce GT 550M, GeForce GT 540M, GeForce GT 525M, GeForce GT 525M, GeForce 0 GTX 5, GeForce 0 GTX 5, GeForce 0 GTX 4 GeForce GTX 460M, GeForce GT 445M, GeForce GT 435M, GeForce GT 420M, GeForce GT 415M, GeForce 710M, GeForce 410M, GeForce GT 730 (DDR3 128-bit) |
Quadro 2000, Quadro 2000D, Quadro 600, Quadro 410, Quadro 4000M, Quadro 3000M, Quadro 2000M, Quadro 1000M, NVS 310, NVS 315, NVS 5400M, NVS 520M, NVS 4 | |||
3.0 | Kepler | GK104, GK106, GK107 | GeForce GTX 770, GeForce GTX 760, GeForce GT 740, GeForce GTX 690, GeForce GTX 680, GeForce GTX 670, GeForce GTX 660 Ti, GeForce GTX 660, GeForce GTX 650 Ti BOOST, GeForce GTX 5, GeForce 0, GeForce 0 880M, GeForce GTX 780M, GeForce GTX 770M, GeForce GTX 765M, GeForce GTX 760M, GeForce GTX 680MX, GeForce GTX 680M, GeForce GTX 675MX, GeForce GTX 670MX 5, GeForce 0M, GeForce 0M, GeForce 0M, GeForce 0M, GeForce 0M, GeForce 0M, GeForce 0M GeForce GT 645M, GeForce GT 740M, GeForce GT 730M, GeForce GT 640M, GeForce GT 640M LE, GeForce GT 735M, GeForce GT 730M |
Quadro K5000 Quadro K4200 Quadro K4000 Quadro K2000 Quadro K2000D Quadro K600 Quadro K500M Quadro K510M Quadro K610M Quadro K1000M Quadro K2000M Quadro K1100M Quadro K2100M Quadro K21000M 0M, 0M Quadro K0M, 0M 0M, 0 | Tesla K10, GRID K340, GRID K520 | |
3.2 | GK20A | Tegra K1, Jetson TK1 | ||||
3.5 | GK110, GK208 | GeForce GTX Titan Z, GeForce GTX Titan Black, GeForce GTX Titan, GeForce GTX 780 Ti, GeForce GTX 780, GeForce GT 640 (GDDR5), GeForce GT 630 v2, GeForce GT 730, GeForce GT 720, GeForce GT 40M, GeForce GT 40M (64-bitars, DDR3), GeForce GT 920M | Quadro K6000, Quadro K5200 | Tesla K40, Tesla K20x, Tesla K20 | ||
3.7 | GK210 | Tesla K80 | ||||
5.0 | Maxwell | GM107, GM108 | GeForce GTX 750 Ti GeForce GTX 750 GeForce GTX 960M GeForce GTX 950M GeForce 940M GeForce 930M GeForce GTX 860M GeForce GTX 850M GeForce 845M GeForce 840M GeForce 830M | Quadro K420, Quadro K620, Quadro K1200, Quadro K2200, Quadro M2000M, Quadro M1000M, Quadro M600M, Quadro K620M, NVS 810 | Tesla M10 | |
5.2 | GM200, GM204, GM206 | GeForce GTX Titan X, GeForce GTX 980 Ti, GeForce GTX 980, GeForce GTX 970, GeForce GTX 960, GeForce GTX 950, GeForce GTX 750 SE, GeForce GTX 980M, GeForce GTX 970M, GeForce GTX 965M GTX | Quadro M6000 24GB, Quadro M6000, Quadro M5000, Quadro M4000, Quadro M2000, Quadro M5500, Quadro M5000M, Quadro M4000M, Quadro M3000M | Tesla M4, Tesla M40, Tesla M6, Tesla M60 | ||
5.3 | GM20B | Tegra X1, Jetson TX1, DRIVE CX, DRIVE PX | ||||
6,0 | Pascal | GP100 | Quadro GP100 | Tesla P100 | ||
6.1 | GP102, GP104, GP106, GP107, GP108 | Nvidia TITAN Xp, Titan X, GeForce GTX 1080 Ti, GTX 1080, GTX 1070, GTX 1060, GTX 1050 Ti, GTX 1050, GT 1030, MX150 | Quadro P6000, Quadro P5000, Quadro P4000, Quadro P2000, Quadro P1000, Quadro P600, Quadro P400, Quadro P5000 (Mobil), Quadro P4000 (Mobil), Quadro P3000 (Mobil) | Tesla P40, Tesla P6, Tesla P4 | ||
6.2 | GP10B [9] | Kör PX2 med Tegra X2 (T186) [10] Jetson TX2 | ||||
7,0 | Volta | GV100 | Nvidia TITAN V | Quadro GV100 | Tesla V100,
Tesla V100S |
|
7.2 | GV10B [11] | Jetson Xavier, DRIVE PX Xavier/Pegasus med Xavier SoC | ||||
7.5 | Turing | TU102, TU104, TU106 | NVIDIA TITAN RTX,
GeForce RTX 2080 Ti, RTX 2080 Super, RTX 2080, RTX 2070 Super, RTX 2070, RTX 2060 Super, RTX 2060, GeForce GTX 1660 Ti, GTX 1660 Super, GTX 1660, GTX 1650 Super, GTX 1650 |
Quadro RTX 8000, Quadro RTX 6000, Quadro RTX 5000, Quadro RTX 4000, Quadro RTX 3000,
Quadro T2000, Quadro T1000, Quadro T600 |
Tesla T4 | |
8,0 | Ampere | GA100 | A100 80GB, A100 40GB | |||
8.6 | GA102, GA104, GA106 | GeForce RTX 3090, RTX 3080, RTX 3070, RTX 3060 Ti, RTX 3060, RTX 3050 Ti | RTX A6000, A40 |
|
|
|
|
|
Detta C++- kodexempel laddar texturer från en bild till en array på GPU :n:
cudaArray * cu_array ; textur < float , 2 > tex ; // Tilldela minne för cudaMalloc array ( & cu_array , cudaCreateChannelDesc < float > (), width , height ); // Kopiera bilddata till cudaMemcpy array ( cu_array , image , width * height , cudaMemcpyHostToDevice ); // Bind arrayen till texturen cudaBindTexture ( tex , cu_array ); // Starta kärnan dim3 blockDim ( 16 , 16 , 1 ); dim3 gridDim ( width / blockDim . x , height / blockDim . y , 1 ); kärna <<< gridDim , blockDim , 0 >>> ( d_odata , width , height ); cudaUnbindTexture ( tex ); __global__ void kärna ( float * odata , int höjd , int width ) { osignerad int x = blockIdx . x * blockDim . x + trådIdx . x ; osignerad int y = blockIdx . y * blockDim . y + trådIdx . y ; float c = texfetch ( tex , x , y ); odata [ y * bredd + x ] = c ; }Ett exempel på ett Python- program som multiplicerar elementen i en array med hjälp av GPU. Interaktionen görs med PyCUDA [12]
importera pycuda.driver som drv import numpy drv . init () dev = drv . Enhet ( 0 ) ctx = dev . make_context () mod = drv . SourceModule ( """ __global__ void multiply_them(float *dest, float *a, float *b) { const int i = threadIdx.x; dest[i] = a[i] * b[i]; } """ ) multiplicera_dem = mod . get_function ( "multiplicera_dem" ) a = numpy . slumpmässigt . randn ( 400 ) . astype ( numpy . float32 ) b = numpy . slumpmässigt . randn ( 400 ) . astype ( numpy . float32 ) dest = numpy . nollor_liknande ( a ) multiplicera_dem ( drv . Ut ( dest ), drv . In ( a ), drv . In ( b ), block = ( 400 , 1 , 1 )) print dest - a * bNvidia | |||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
GPU:er ( jämförelse ) _ |
| ||||||||||
Moderkortschipset ( jämförelse ) _ _ |
| ||||||||||
Övrig |
|